딥마인드의 시간표가 만든 기업 전략 압박
2026년 11월, 구글 딥마인드(Google DeepMind) 최고경영자 데미스 하사비스(Demis Hassabis)가 인공 일반 지능(AGI)의 2030년 전후 도달 가능성을 재확인하면서, 그 발언의 파장은 기술 낙관론의 범주를 넘어 기업 투자 배분과 산업 구조 재편으로 번지고 있다. 주목할 것은 도달 시점보다 속도다. 산업 혁명의 10배 규모 충격이 10배 빠른 속도로 전개될 수 있다는 그의 경고는, 10년짜리 디지털 전환 로드맵을 3~4년 단위 실행 계획으로 압축해야 한다는 현실적 압박으로 작동한다.
하사비스는 스탠퍼드 경영대학원 인터뷰에서 "우리는 AGI가 몇 년 안에, 아마 2030년 전후로 달성될 것이라고 믿는다"고 밝혔다. 2026년 11월 12일 유튜브 채널 Superpower Daily가 전한 내용에 따르면, 그는 이 기술이 "놀라울 정도로 엄청나고 변혁적"이며 "사실상 새로운 인간 시대가 열릴 것"이라고 강조했다.
이 발언은 단순한 미래 기술 낙관론과 성격이 다르다. 하사비스는 2024년 노벨 화학상 수상자로, 알파폴드(AlphaFold)를 통해 과학 연구와 인공지능(AI)의 접점을 산업계에 각인시킨 인물이다.
시장은 그의 발언을 연구자의 상상보다 빅테크의 설비투자, 클라우드 가격, 기업용 소프트웨어 계약 구조를 바꾸는 변수로 해석한다. 본지 분석에 따르면, AGI 논쟁의 실질적 초점은 인간처럼 생각하는 기계의 철학 문제가 아니라 기업 내부에서 어떤 업무가 소프트웨어 비용으로 치환되는지에 있다.
AGI는 인간의 인지 능력에 필적하는 작업을 수행할 수 있는 이론적 AI를 뜻하며, 아직 업계 내 합의된 정의는 없다. 다만 하사비스가 문제 해결, 의사결정, 변화 적응, 학습 능력을 언급한 대목은 회계·법무·연구개발·전략기획처럼 고임금 지식노동의 비용 곡선을 다시 그릴 가능성을 드러낸다. 그는 "사회는 이에 대해 들을 필요가 있다.
우리가 무엇을 의미하는지 준비할 시간이 많지 않기 때문"이라고 덧붙였다. 기업 전략 관점에서 2030년은 여유 있는 시간이 아니다.
광고
대기업이 핵심 정보기술(IT) 시스템을 교체하는 데 2~3년, 보안·컴플라이언스 검증까지 포함하면 5년 가까운 시간이 소요된다. 구글 딥마인드 수석 AGI 과학자 셰인 레그(Shane Legg)가 '최소 AGI(minimal AGI)'의 2028년 도달 확률을 50%로 예측했다는 사실은 투자 의사결정의 달력을 더욱 앞당긴다.
확률 50%는 확정이 아니라 불확실성의 가격을 지금 반영해야 한다는 경고에 가깝다. 준비가 늦어질수록 되돌리기 어려운 비용이 커지기 때문이다. 가장 먼저 움직임이 감지되는 영역은 클라우드와 데이터센터다.
국제에너지기구(IEA)는 2030년까지 데이터센터 전력 소비가 두 배 이상 늘어날 것으로 전망했다. 이 수치가 의미하는 바는 AI 모델 경쟁의 중심이 그래픽처리장치(GPU) 조달에서 전력망·냉각·부지·장기 전력구매계약으로 무게중심을 옮기고 있다는 점이다.
반도체 제조, 배터리, 통신망, 인터넷 플랫폼이 모두 전력 비용과 공급 안정성에 묶여 있는 한국 기업에 이 흐름은 특히 민감한 변수다.
전력·인재·안전 비용이 AI 수익성을 가른다
AGI가 기업 수익성에 미치는 영향은 두 방향으로 갈린다. 고객 응대, 코드 작성, 문서 검토, 신약 후보 탐색처럼 반복과 추론이 혼재하는 업무에서는 AI 활용 폭이 넓어지고 생산성 개선이 나타날 수 있다. 반면 고성능 모델 사용료, 내부 데이터 정비, 보안 감사, 저작권 검토, 전력 비용이 동시에 올라가면 AI 도입은 비용 절감 프로젝트가 아니라 자본집약형 사업 재편으로 성격이 바뀐다.
본지 분석에 따르면, 이 두 흐름이 동시에 진행되는 국면에서 기업은 AI 도입의 명분보다 실제 현금흐름 개선 여부를 먼저 따져야 한다. 하사비스가 인간의 차별화 역량으로 감각(taste), 디자인 감각(design sensibility), 독창적 사고(original thinking), 여러 주제를 통합하는 능력(synthesize different subjects together)을 꼽은 대목은 기업 인사 전략과 직결된다.
광고
이는 창의성이 중요하다는 일반론이 아니다. AI가 분석 초안을 빠르게 생산할수록, 조직은 어떤 결과물을 선택하고 어떤 위험을 버릴지 판단하는 인력에 더 높은 가치를 부여할 수밖에 없다. 한국 기업의 교육 투자가 프롬프트 사용법 교육에 머물면 경쟁력 격차는 오히려 벌어진다.
데이터 해석, 제품 감각, 산업 규제 이해를 묶어 의사결정 훈련으로 재설계해야 한다. 투자자에게도 같은 질문이 적용된다. AGI 시대의 수혜가 모델 개발사에만 집중되지 않을 수 있다는 점이다.
본지 분석에 따르면 전력 인프라, 고대역폭 메모리(HBM), 데이터센터 운영, 기업용 보안, AI 거버넌스 솔루션이 함께 가격 재평가를 받을 가능성이 있다. 반대로 AI 기능을 추가했다는 이유만으로 높은 밸류에이션을 인정받은 소프트웨어 기업은 실제 고객 유지율과 매출총이익률로 검증을 받게 된다. AGI 전망은 AI 테마주 전체를 밀어올리는 재료라기보다, 실질 현금흐름을 만드는 기업과 시연 영상에 머문 기업을 가르는 시험대다.
안전 비용도 손익계산서 안으로 들어온다. 2025년에 발표된 딥마인드의 AGI 안전성 보고서는 치명적 위험 가능성을 공식적으로 논의했다.
하사비스는 AI 멸종 위험에 관한 국제 성명서에 서명하기도 했다. 이 사실은 빅테크 내부에서도 고성능 AI가 단순한 생산성 도구로만 취급되지 않는다는 점을 보여준다.
기업은 모델 성능을 높이는 투자와 함께 오작동, 권한 남용, 데이터 유출, 규제 위반을 줄이는 체계를 별도의 비용 항목으로 반드시 편성해야 한다. 물론 반론도 명확히 존재한다.
AGI 도달 시점 예측은 과거에도 반복적으로 빗나갔고, 현재의 대형언어모델(LLM)이 인간 수준의 일반지능으로 직결된다는 보장은 어디에도 없다. 이 반론은 타당하다.
그러나 기업 전략에서 중요한 것은 예측의 정확도가 아니라, 늦게 대응했을 때 되돌리기 어려운 비용의 크기다. 2030년 전망이 2~3년 지연되더라도 데이터 품질 개선, 전력 계약 선점, 보안 정책 수립, 인재 재배치에 착수한 기업은 손실보다 선택권을 얻는다.
광고
한국 기업은 자동화보다 의사결정 재설계가 먼저다
한국 산업 생태계가 이 변화를 단순한 자동화율 경쟁으로만 읽으면 핵심 기회를 놓친다. 제조업은 공정 데이터와 장비 운영 경험을 보유하고 있고, 통신사는 네트워크와 데이터센터 운영 역량을 갖추고 있다. 인터넷 플랫폼은 이용자 접점과 결제·광고 데이터를 오랜 기간 축적해 왔다.
문제는 이 자산들이 조직별로 분절되어 있다는 점이다. AGI에 근접한 시스템이 업무 전반에 침투할수록, 데이터 사일로를 방치한 기업은 모델 성능이 아니라 조직 구조 때문에 뒤처질 위험이 크다.
정책 차원에서도 산업적 선택이 필요하다. 정부의 역할은 추상적 윤리 선언에 그쳐서는 안 된다.
전력망 투자, 데이터센터 입지 규제, 공공 데이터 품질 기준, AI 안전성 평가 체계, 중소기업용 AI 보안 가이드라인이 연계되어 작동해야 한다. IEA의 데이터센터 전력 소비 두 배 이상 증가 전망은 에너지 정책과 디지털 산업 정책을 더 이상 분리해서 다룰 수 없다는 경고다.
전력 인프라가 AI 서비스 성장 속도를 따라오지 못하면 AI 서비스 수출 전략도 병목에 걸린다. 하사비스의 2030년 발언을 과장된 미래담으로 치부하는 순간, 기업은 가장 값비싼 준비 시간을 소진한다.
AGI가 2028년에 최소 형태로 등장하든, 2030년 이후로 밀리든 시장은 이미 설비투자와 인재 가격을 통해 그 가능성을 반영하기 시작했다. 한국 기업이 지금 따져야 할 핵심 질문은 AI를 몇 개 업무에 적용할지가 아니라, 의사결정·전력·보안·인재 구조를 AGI 가능성에 맞춰 다시 설계할 수 있는가다. 투자자는 이 변화 앞에서 어떤 기업의 비용 증가를 미래 경쟁력으로 평가하고, 어떤 기업의 AI 지출을 낭비로 볼지 판단해야 한다.
※ 이 기사는 Business Insider의 2026년 11월 보도, YouTube 채널 Superpower Daily의 2026년 11월 12일 영상, The Hindu의 2026년 11월 보도, Axios의 2026년 11월 보도를 참조하여 작성하였다.
광고
기사 제목 및 기자명은 원천 자료에서 확인되지 않아 매체명과 보도 시점으로 대체한다.
FAQ
Q. AGI가 2030년에 반드시 등장한다는 의미인가
A. 현재 확인된 사실은 데미스 하사비스가 스탠퍼드 경영대학원 인터뷰에서 2030년 전후 AGI 가능성을 제시했고, 셰인 레그가 2028년 최소 AGI 도달 확률을 50%로 예측했다는 점이다. AGI의 정의와 도달 기준에 대한 업계 합의는 아직 형성되지 않았으며, 과거의 AGI 도달 예측도 여러 차례 빗나간 사례가 있다. 기업과 투자자는 이 전망을 확정 일정이 아니라 고영향 위험 변수로 다루는 것이 현실적이다. 준비의 초점은 특정 연도를 맞히는 데 있지 않고, 데이터·전력·보안·인재 체계를 앞당겨 점검하는 데 있다.
Q. 한국 기업은 AGI 시대에 무엇부터 준비해야 하나
A. 가장 먼저 내부 데이터의 품질과 접근 권한 구조를 정비해야 한다. AGI에 근접한 시스템이 도입되더라도 기업 데이터가 부서별로 단절되어 있으면 업무 전반의 생산성 개선으로 이어지기 어렵다. 다음으로 전력 비용, 클라우드 계약 조건, 보안 감사 체계를 함께 검토해야 하며, 이 세 항목은 별개가 아니라 AI 도입 비용 구조의 핵심 축이다. 인력 교육은 특정 AI 도구 사용법보다 판단력·제품 감각·산업 규제 이해를 결합한 의사결정 훈련으로 설계해야 경쟁력이 생긴다.
Q. 개인의 커리어에는 어떤 변화가 예상되나
A. 하사비스는 감각, 디자인 감각, 독창적 사고, 여러 주제를 통합하는 능력을 인간의 차별화 역량으로 꼽았다. 이는 단순 반복 업무보다 문제를 정의하고 결과물의 품질을 평가하는 역할의 가치가 올라간다는 의미다. AI가 분석 초안을 빠르게 생성할수록 그 결과물이 사업 맥락에서 타당한지 판단하는 사람의 희소성이 커진다. 개인은 특정 AI 도구 사용법만 습득하기보다 자신의 산업 지식과 데이터 해석 능력을 함께 키워야 하며, 기업 안에서는 AI 산출물을 검증하고 실제 의사결정으로 연결하는 역할이 더 높은 평가를 받을 가능성이 크다.
▶ 법률 고민이 있다면 → 변호사 오경석 법률사무소 바로가기
){kind=small}
){kind=small}
){kind=small}
){kind=small}